MétaCan
Menu
Back to cohort
Record W7162026058 · doi:10.82308/55385

The role of job candidate’s accent, ethnicity, and vocal competence on social evaluations in a hiring context

2023· dissertation· en· W7162026058 on OpenAlexaboutno aff
Yondu Mori

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldSocial Sciences
TopicLinguistic Variation and Morphology
Canadian institutionsnot available
Fundersnot available
KeywordsContext (archaeology)SociolinguisticsPerceptionCompetence (human resources)

Abstract

fetched live from OpenAlex

Les personnes qui parlent avec un accent non standard peuvent rencontrer des difficultés dans leur communication sociale, notamment lors d'un entretien d'embauche. Il existe des preuves substantielles que le fait d'avoir un accent non standard peut conduire à une perception de faible compétence par rapport aux locuteurs ayant un accent standard. À l'inverse, les candidats à l'emploi qui transmettent une compétence élevée par leur voix (c'est-à-dire le ton de la voix) sont perçus comme très compétents et ont plus de chances d'être embauchés. Cependant, il existe peu de recherches sur les effets interactifs des indices vocaux et de l'accent d'un candidat à l'emploi sur les impressions de compétence formées, la plupart des recherches utilisant un discours qui n'exprime pas un état mental ou affectif. Dans cette thèse, nous avons cherché à mieux comprendre l'impact du niveau de compétence vocale, de l'accent et de l'apparence ethnique d'un locuteur sur la perception de son aptitude à l'emploi (c'est-à-dire sa compétence et son aptitude à l'embauche) dans deux études. Les locuteurs avaient un accent standard (anglais américain/canadien) ou non standard (anglais singapourien) et exprimaient une compétence vocale élevée (confiance/ fierté) ou faible (doute/honte) comme indicateur de leurs différents états mentaux/affectifs lors d'un entretien d'embauche. Comme contrôle, nous avons mesuré la perception de la chaleur vocale du locuteur (attractivité et amabilité). Dans l'étude 1, les participants ont entendu un discours avec un accent standard et un accent non standard, exprimant la fierté et la honte vocales, et ont jugé la perception de l'aptitude à l'emploi du locuteur. Nous avons constaté que les auditeurs faisaient moins clairement la différence entre les compétences vocales élevées et faibles des locuteurs ayant un accent non standard. De plus, l'amabilité vocale était un médiateur plus fort entre le niveau de compétence vocale du locuteur et la perception de l'adéquation de l'emploi pour les locuteurs avec des accents standards par rapport aux accents non standards. Dans l'étude 2, nous avons exploré les effets interactifs de l'accent et de l'apparence ethnique du locuteur, avec son niveau de compétence vocale. Une fois de plus, nous avons constaté que les mesures de la chaleur vocale prédisaient fortement la perception de l'aptitude à l'emploi du locuteur. De plus, l'apparence ethnique des locuteurs ayant un accent non standard n'a pas amplifié les perceptions négatives de compétence liées à leur accent. Ce travail contribue à notre compréhension des processus socio-cognitifs de l'accent d'un locuteur lorsque celui-ci exprime une intention sociale. Ils développent également la proéminence des dimensions de compétence et de chaleur dans la formation de nos impressions sociales, en montrant une dominance de la chaleur perçue lors de l'évaluation des autres dans un contexte social de première importance

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.007
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.011
Threshold uncertainty score0.024

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0040.007
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.000
Science and technology studies0.0020.001
Scholarly communication0.0040.001
Open science0.0000.002
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0070.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.060
GPT teacher head0.413
Teacher spread0.353 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same topicLinguistic Variation and MorphologyFrench-language works237,207